DE102015221877A1 - Image-based biomarker for characterizing the structure or function of human or animal brain tissue and related uses and methods - Google Patents
Image-based biomarker for characterizing the structure or function of human or animal brain tissue and related uses and methods Download PDFInfo
- Publication number
- DE102015221877A1 DE102015221877A1 DE102015221877.5A DE102015221877A DE102015221877A1 DE 102015221877 A1 DE102015221877 A1 DE 102015221877A1 DE 102015221877 A DE102015221877 A DE 102015221877A DE 102015221877 A1 DE102015221877 A1 DE 102015221877A1
- Authority
- DE
- Germany
- Prior art keywords
- brain
- image
- lesion
- lesions
- weighted
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
- A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
- A61B5/0042—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part for the brain
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/0515—Magnetic particle imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4058—Detecting, measuring or recording for evaluating the nervous system for evaluating the central nervous system
- A61B5/4064—Evaluating the brain
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computerised tomographs
- A61B6/037—Emission tomography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/50—Clinical applications
- A61B6/508—Clinical applications for non-human patients
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2576/00—Medical imaging apparatus involving image processing or analysis
- A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
- A61B2576/026—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part for the brain
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10104—Positron emission tomography [PET]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30016—Brain
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30096—Tumor; Lesion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
Abstract
Die Erfindung betrifft neue bildbasierte Biomarker zur Charakterisierung der Struktur oder Funktion eines menschlichen oder tierischen Gehirns. Diese Biomarker können ein gewichteter Konfluenz-Summen-Score (WCSS) oder eine prozentuale Abschirmung durch Hirnläsionen (SbBL) sein. Die Verwendung dieser Biomarker, Verfahren, welche dieser Biomarker anwenden, sowie ein geeignetes Computerprogrammprdoukt zur Durchführung von entsprechenden Verfahren werden ebenfalls offenbart.The invention relates to novel image-based biomarkers for characterizing the structure or function of a human or animal brain. These biomarkers may be a weighted confluency-cumulative score (WCSS) or percentage shielding by brain lesions (SbBL). The use of these biomarkers, methods employing these biomarkers, as well as a suitable computer program product for carrying out such methods are also disclosed.
Description
Die vorliegende Erfindung betrifft einen bildbasierten Biomarker zur Charakterisierung der Struktur oder Funktion von menschlichem oder tierischem Hirngewebe gemäß dem Oberbegriff des Anspruchs 1, verschiedene Verwendungen dieses Biomarkers gemäß den Oberbegriffen der Ansprüche 5 bis 7, zwei Verfahren zur Charakterisierung der Struktur oder Funktion von menschlichem oder tierischem Hirngewebe durch Verwendung eines solchen Biomarkers gemäß den Oberbegriffen der Ansprüche 8 bzw. 13 und ein Computerprogrammprodukt gemäß dem Oberbegriff des Anspruchs 15. The present invention relates to an image-based biomarker for characterizing the structure or function of human or animal brain tissue according to the preamble of claim 1, various uses of this biomarker according to the preambles of
Biomarker, insbesondere Biomarker aus Magnetresonanz (MR), Positronen-Emissions-Tomographie (PET) oder Bildgebung auf der Basis von magnetischen Partikeln (Magnetic Particle Imaging – MPI), erlauben die Detektion und quantitative Charakterisierung struktureller oder funktioneller Veränderungen des menschlichen oder tierischen Gehirns, die in Verbindung mit verschiedenen Krankheiten auftreten können, unter Einbeziehung von und nicht beschränkt auf zerebrovaskuläre, neurodegenerative und entzündliche Erkrankungen. Dadurch können Biomarker, die auf diesen bildgebenden Modalitäten basieren, die Diagnose, Therapieplanung und Therapieüberwachung in der routinemäßigen Patientenversorgung unterstützen. Solche Biomarker können auch eine wichtige Rolle bei der Entwicklung neuer Behandlungen, neuer Medikamente und nicht-pharmakologischer Behandlungsmöglichkeiten spielen, nicht nur durch die Unterstützung der Einbeziehung entsprechender Patienten in klinische Studien, sondern auch durch die Bereitstellung von objektiven resultierenden Ergenissen für die Bewertung von Therapieeffekten. Biomarkers, particularly biomarkers of magnetic resonance (MR), positron emission tomography (PET) or magnetic particle imaging (MPI), allow the detection and quantitative characterization of structural or functional changes of the human or animal brain, which may occur in association with various diseases, including but not limited to cerebrovascular, neurodegenerative and inflammatory diseases. This allows biomarkers based on these imaging modalities to support diagnosis, treatment planning, and therapy monitoring in routine patient care. Such biomarkers may also play an important role in the development of new treatments, new drugs, and non-pharmacological treatment options, not only by supporting the inclusion of appropriate patients in clinical trials, but also by providing objective resulting outcomes for the evaluation of therapeutic effects.
Biomarker tragen zu einer verbesserten Genauigkeit einer Diagnose im Vergleich zur konventionellen klinischen Diagnostik mit nur symptombasierten Kriterien bei. Dies wird durch den Nachweis von pathophysiologischen Veränderungen im Gehirn, die für die zugrundeliegende Erkrankung charakteristisch sind, erreicht. Biomarkers contribute to improved accuracy of diagnosis compared to conventional clinical diagnostics using only symptom-based criteria. This is achieved by demonstrating pathophysiological changes in the brain that are characteristic of the underlying disease.
"Zerebrovaskuläre Krankheiten" ist der Begriff für Krankheiten, die die Gehirn versorgenden Blutgefäße beeinflussen. Zerebrovaskuläre Erkrankungen können kleine und / oder große Gefäße beeinträchtigen. Zerebrovaskuläre Erkrankungen können in MR-Bildern des Gehirns nachgewiesen werden, auf denen sie sich in einer Vielzahl verschiedener Strukturveränderungen, einschließlich (aber nicht beschränkt auf) große Infarkte, akute subkortikale Infarkte, Lakunen, subkortikale Hyperintensitäten, perivaskuläre Räume, Mikroblutungen und Hirnatrophie, manifestieren [1]. "Cerebrovascular disease" is the term for diseases that affect the brain supplying blood vessels. Cerebrovascular disease can affect small and / or large vessels. Cerebrovascular diseases can be detected in MR images of the brain where they manifest in a variety of structural changes, including but not limited to large infarcts, acute subcortical infarcts, lacunae, subcortical hyperintensities, perivascular spaces, microbleeds, and cerebral atrophy [ 1].
Die MR-Bildgebung ermöglicht allgemein die Detektion und quantitative Charakterisierung von strukturellen Läsionen im menschlichen oder tierischen Gehirn, einschließlich (aber nicht beschränkt auf) struktureller Läsionen, die mit einer zerebrovaskulärer Erkrankung in Verbindung stehen. MR imaging generally enables the detection and quantitative characterization of structural lesions in the human or animal brain, including (but not limited to) structural lesions associated with cerebrovascular disease.
Beispielsweise sind subkortikale Hyperintensitäten per Definition als Hyperintensitäten in T2-gewichteten MR-Bildern vorhanden und befinden sich innerhalb der weißen Substanz des Gehirns oder in subkortikaler grauer Substanz oder im Hirnstamm. Somit sind subkortikale Hyperintensitäten Läsionen (innerhalb der spezifizierten Hirnregionen), die in T2-gewichteten MR-Bildern heller erscheinen als normal. Sie können leicht durch visuelle Begutachtung von T2-gewichteten MR-Bildern detektiert werden (siehe
Strukturelle Läsionen im Gehirn treten sehr häufig im Alter auf, so dass praktisch alle älteren Menschen strukturelle Hirnläsionen zeigen, wobei sie stark variieren können. Strukturelle Hirnläsionen können mit dem gesamten Spektrum der kognitiven Abnahme / Dysfunktion assoziiert werden, angefangen von einem subjektiv empfundenen Rückgang der kognitiven Leistungsfähigkeit (subjective cognitive decline) über eine leichte kognitive Beeinträchtigung (mild cognitive impairment) bis hin zur Demenz, die die Aktivitäten des täglichen Lebens beeinflusst. Allerdings können strukturelle Hirnläsionen auch ohne Symptome auftreten. Daher besteht eine wichtige diagnostische Fragestellung darin, ob die strukturellen Hirnläsionen, die bei einem gegebenen Patienten festgestellt werden, die Ursache seines kognitiven Abfalls sind oder nicht. Im letzteren Fall sollte der Patient auf weitere diagnostische Tests hingewiesen werden, um die zugrundeliegende Erkrankung, beispielsweise die Alzheimer-Krankheit, zu identifizieren. Structural lesions in the brain are very common in old age, so that virtually all older people show structural brain lesions, although they can vary widely. Structural brain lesions can be associated with the full spectrum of cognitive decline / dysfunction, ranging from a subjectively perceived decline in subjective cognitive decline, to mild cognitive impairment, to dementia affecting the activities of daily living affected. However, structural brain lesions can also occur without symptoms. Therefore, an important diagnostic issue is whether or not the structural brain lesions found in a given patient are the cause of their cognitive decline. In the latter case, the patient should be advised of further diagnostic tests to identify the underlying disease, for example Alzheimer's disease.
Die zuverlässige Erkennung der Ursache des Rückgangs der kognitiven Leistungsfähigkeit, beispielsweise der Differenzierung zwischen vaskulär-bedingtem kognitiven Abfall und der Alzheimer-Krankheit, hat unmittelbare therapeutische Konsequenzen: Verringerung der Risikofaktoren, um das Fortschreiten des vaskulär-bedingten Rückgangs der kognitiven Leistungsfähigkeit zu vermeiden, gegenüber der Gabe von Cholinesterasehemmern bei der Alzheimer-Krankheit. Ein weiteres, klinisch hoch relevantes diagnostisches Problem ist die Schätzung des Risikos, das mit erkannten strukturellen Hirnläsionen einhergeht, zum Beispiel das Risiko eines kognitiven Abfalls oder das Risiko eines Schlaganfalls in der Zukunft. Reliable detection of the cause of the decline in cognitive performance, such as the differentiation between vascular cognitive decline and Alzheimer's disease, has immediate therapeutic consequences: reduction of the risk factors to avoid the progression of the vascular decline in cognitive performance the administration of cholinesterase inhibitors in Alzheimer's disease. Another clinically highly relevant diagnostic problem is the estimation of the risk associated with identified structural brain lesions, such as the risk of cognitive decline or the risk of stroke in the future.
Es gibt zunehmend Hinweise in der wissenschaftlichen Literatur, dass das Muster der Hirnläsionsbelastung Informationen liefert, die für Differentialdiagnose und Risikostratifizierung relevant sind. There is increasing evidence in the scientific literature that the pattern of brain lesion loading provides information relevant to differential diagnosis and risk stratification.
Dennoch wird in der Patientenversorgung die Hirnläsionslast meist nur qualitativ oder mit einem visuellen Scoring-System beurteilt [2]. Allerdings haben diese visuellen Scores gezeigt, dass sie nicht nur zwischen verschiedenen Ratern sehr variabel sind (niedrige Inter-Rater-Stabilität), sondern auch dann, wenn der gleiche Rater wiederholt die Bewertung des gleichen Bildes durchführt (niedrige Intra-Rater Stabilität). Dies schränkt die Nützlichkeit dieser visuellen Scores eindeutig ein. Nevertheless, the burden of cerebral lesion in patient care is usually only assessed qualitatively or with a visual scoring system [2]. However, these visual scores have shown that they are not only very variable between different raters (low inter-rater stability), but also when the same rater repeatedly performs the same image rating (low intra-rater stability). This clearly limits the usefulness of these visual scores.
Die quantitative Beurteilung struktureller Hirnläsionen erfolgte durch manuelle Läsionsabgrenzung, durch automatische Läsionssegmentierungsalgorithmen oder durch eine Kombination beider [3–8]. Die meisten der beschriebenen halbautomatischen Software-Tools bieten die Möglichkeit, erkannte Läsionen zu lokalisieren, sowohl auf der Basis von Hirnregionen, die in einem anatomischen Standardraum (Atlasraum) vordefiniert sind, als auch unter Verwendung von Parzellierungstechniken. Quantitative assessment of structural brain lesions was performed by manual lesion delineation, automatic lesion segmentation algorithms, or a combination of both [3-8]. Most of the described semiautomatic software tools provide the ability to locate detected lesions, both on the basis of brain regions predefined in a standard anatomical space (atlas space) and using parceling techniques.
Aus dem Stand der Technik ist ferner bekannt, eine "Asphärizität" eines Tumors in der Ganzkörper-Positronen-Emissionstomographie (PET) mit dem Glukose-Analogon [F-18]-Fluorodeoxyglucose (FDG) [9–11] zu definieren. Die Asphärizität in der FDG-PET ist ein Maß für die Formunregelmäßigkeit des metabolisch aktiven Teils des Tumors und wurde vorgeschlagen, um die Überlebenszeit von Tumorpatienten vorherzusagen. Die Asphärizität wird auf eine einzige Tumorläsion angewendet. Sie wurde nicht auf mehrere Läsionen oder Läsionsmuster angewendet. Infolgedessen ist die Asphärizität eines Tumors in keiner Weise gewichtet worden. It is also known from the prior art to define an "asphericity" of a tumor in whole-body positron emission tomography (PET) with the glucose analog [F-18] fluorodeoxyglucose (FDG) [9-11]. The asphericity in the FDG-PET is a measure of the irregularity of shape of the metabolically active part of the tumor and has been suggested to predict the survival time of tumor patients. The asphericity is applied to a single tumor lesion. It was not applied to multiple lesions or lesion patterns. As a result, the asphericity of a tumor has not been weighted in any way.
Die Positronen-Emissions-Tomographie des Gehirns mit dem Glukose-Analogon F-18-Fluorodeoxyglucose (FDG-PET) liefert Biomarker für veränderte (synaptische) Hirnfunktionen. Veränderungen der Hirnfunktion können durch Verlust / Dysfunktion von Neuronen verursacht werden, die eine neurodegenerative Erkrankung anzeigen, z.B. die Alzheimer-Krankheit (AD). Positron emission tomography of the brain with the glucose analogue F-18 fluorodeoxyglucose (FDG-PET) provides biomarkers for altered (synaptic) brain functions. Changes in brain function can be caused by loss / dysfunction of neurons that indicate a neurodegenerative disease, e.g. Alzheimer's disease (AD).
Die Auswirkungen von strukturellen Hirnläsionen, einschließlich der Hyperintensitäten der weißen Substanz (white matter hypointensities – WMHs), auf den zerebralen Glukosestoffwechsel sind in der Literatur gut dokumentiert.
Es ist eine Aufgabe der vorliegenden Erfindung, neue bildbasierte Biomarker bereitzustellen, die zuverlässigere Ergebnisse liefern als Biomarker, die aus dem Stand der Technik bekannt sind und die Struktur oder Funktion von menschlichem oder tierischem Hirngewebe charakterisieren. Es ist eine weitere Aufgabe der vorliegenden Erfindung, geeignete Anwendungen dieser Biomarker und Verfahren, die die Anwendung dieser Biomarker umsetzen, zur Verfügung zu stellen. It is an object of the present invention to provide novel image-based biomarkers which provide more reliable results than biomarkers known in the art which characterize the structure or function of human or animal brain tissue. It is another object of the present invention to provide suitable applications of these biomarkers and methods that implement the application of these biomarkers.
Diese Aufgabe wird durch einen bildbasierten Biomarker mit den Merkmalen des Anspruchs 1 gelöst. Ein solcher Biomarker ist zur Charakterisierung der Struktur oder Funktion von menschlichem oder tierischem Hirngewebe, insbesondere von menschlichem oder tierischem Gehirn oder Teilen davon, geeignet. Dadurch ist er besonders geeignet, abnormes Hirngewebe, d.h. Hirngewebe, das ungewöhnliche (verändert im Vergleich zu einer gesunden Standardpopulation) oder erkrankte Zellen enthält, zu charakterisieren. This object is achieved by an image-based biomarker having the features of claim 1. Such a biomarker is useful for characterizing the structure or function of human or animal brain tissue, particularly human or animal brain or parts thereof. This makes it particularly suitable for detecting abnormal brain tissue, i. To characterize brain tissue that contains abnormal (altered compared to a healthy standard population) or diseased cells.
Der bildbasierte Biomarker basiert auf einem Bild des Gehirngewebes (z.B. eines Gehirns oder eines Teils eines Gehirns in seiner nativen Umgebung, d.h. im Kopf eines lebenden Subjekts), wobei das Bild mindestens eine Hirnläsion zeigt und Informationen über Oberfläche und Volumen der Hirnläsion (insbesondere wenn ein dreidimensionales Bild betrachtet wird) oder Umfang und Fläche der Hirnläsion (insbesondere wenn ein zweidimensionales Bild betrachtet wird) enthält. Eine Vielzahl von Hirnläsionen stellt eine Läsionskarte dar, die ein geeignetes Bild im Rahmen der vorliegenden Offenlegungsschrift ist. The image-based biomarker is based on an image of the brain tissue (eg, a brain or part of a brain in its native environment, ie the head of a living subject), the image showing at least one brain lesion and information about the surface and volume of the brain lesion (especially if there is a brain lesion) 3-dimensional image) or the circumference and area of the brain lesion (especially when viewing a two-dimensional image). A variety of brain lesions represent a lesion map, which is a suitable image in the context of the present disclosure.
Der Biomarker wird aus der Gruppe ausgewählt, die aus einem gewichteten Konfluenz-Summen-Score (weighted confluency sum score – WCSS) und einer prozentualen Abschirmung einer Hirnregion durch Hirnläsionen (shielding by brain lesions – SbBL) besteht. Dabei ist der WCSS die gewichtete Summe eines Maßes, das eine Beziehung zwischen einer Oberfläche und einem Volumen von Hirnläsionen (wenn ein dreidimensionales Bild vorliegt) oder zwischen einem Umfang und einer Fläche von Hirnläsionen (wenn ein zweidimensionales Bild vorliegt) über mindestens eine erkannte Hirnläsion herstellt. Insbesondere ist der WCSS die Summe der gewichteten Konfluenzen über mindestens zwei oder mehr Hirnläsionen eines Bildes. The biomarker is selected from the group consisting of a weighted confluency sum score (WCSS) and a shielding by brain lesion (SbBL) percentage shielding of a brain region. The WCSS is the weighted sum of a measure that establishes a relationship between a surface and a volume of brain lesions (when there is a three-dimensional image) or between a perimeter and an area of brain lesions (when there is a two-dimensional image) over at least one recognized brain lesion , In particular, the WCSS is the sum of the weighted confluences over at least two or more brain lesions of an image.
Dabei ist die Konfluenz einer Hirnläsion ein Maß für die Beziehung zwischen einer Oberfläche der Hirnläsion und einem Volumen der Hirnläsion oder zwischen einem Umfang der Hirnläsion und einer Fläche der Hirnläsion. The confluence of a brain lesion is a measure of the relationship between a surface of the brain lesion and a volume of the brain lesion or between a circumference of the brain lesion and an area of the brain lesion.
Zusätzlich ist die prozentuale Abschirmung einer Hirnregion durch Hirnläsionen (SbBL) ein Maß für den Anteil einer Umgebung der betrachteten Hirnregion, der zu einer Hirnläsion gehört. Die Hirnläsionen können auf dem Bild als einzelne Voxel oder einzelne Pixel oder als Cluster von zusammenhängenden Voxeln oder Pixeln dargestellt werden. In addition, the percentage shielding of a brain region by brain lesions (SbBL) is a measure of the proportion of an environment of the considered brain region that belongs to a brain lesion. The brain lesions may be represented on the image as individual voxels or individual pixels or as clusters of contiguous voxels or pixels.
Die prozentuale Abschirmung durch Hirnläsionen ist ein geeigneter Marker, um Fernwirkungen von Hirnläsionen zu bewerten. Es zeigte sich, dass je höher die Abschirmung eines ausgewählten Gehirnbereichs durch Hirnläsionen ist, desto höher ist die (beeinträchtigende) Wirkung dieser Hirnläsionen auf Fernhirnarealen, die nicht Teil von Hirnläsionen sind. Dies kann durch einen Verlust der Kommunikationsmöglichkeiten zwischen entfernten (und nicht betroffenen) Gehirnbereichen und dem Gehirnbereich erklärt werden, der durch Hirnläsionen (hoch) abgeschirmt ist. Die Hirnläsionen unterbrechen sonst existierende Kommunikationskanäle zwischen den entfernten Gehirnbereichen und dem Gehirnbereich, der durch Hirnläsionen abgeschirmt ist. The percentage shielding by brain lesions is a suitable marker to evaluate long-range effects of brain lesions. It has been shown that the higher the shielding of a selected brain area by brain lesions, the greater the (debilitating) effect of these brain lesions on far brain areas that are not part of brain lesions. This can be explained by a loss of communication capabilities between distant (and unaffected) brain areas and the brain area that is shielded (high) by brain lesions. The brain lesions disrupt otherwise existing communication channels between the removed brain areas and the brain area shielded by brain lesions.
Allgemein kann die Hirnläsion z.B. eine kortikale Läsion, eine subkortikale Läsion, eine Hyperintensitätsläsion, wie z.B. eine kortikale und/oder subkortikale Hyperintensitätsläsion, und/oder eine Hypointensitätsläsion wie z.B. eine kortikale und/oder subkortikale Hypointensitätsläsion, sein. Generally, the brain lesion may e.g. a cortical lesion, a subcortical lesion, a hyperintensity lesion, e.g. a cortical and / or subcortical hyperintensity lesion, and / or a hypointensity lesion, e.g. a cortical and / or subcortical hypointensity lesion.
In einer Ausführungsform ist der gewichtete Konfluenz-Summen-Score (WCSS) proportional zur (kubischen) Wurzel des Verhältnisses zwischen der gegebenenfalls exponentiell wachsenden Oberfläche der Hirnläsion und dem gegebenenfalls exponentiell wachsenden Volumen der Hirnläsion, z. B: wobei x gleich 1, 2, 3 oder 4,
y gleich 1, 2, 3 oder 4 und
z gleich 2, 3 oder 4 ist. In one embodiment, the weighted confluency cumulative score (WCSS) is proportional to the (cubic) root of the ratio between the potentially exponentially growing surface of the brain lesion and the potentially exponentially increasing volume of the brain lesion, e.g. B: where x is 1, 2, 3 or 4,
y is 1, 2, 3 or 4 and
z is 2, 3 or 4.
Geeignete Beispiele für Formeln zur Berechnung des gewichteten Konfluenz-Summen-Scores sind: Suitable examples of formulas for calculating the weighted confluence-sum score are:
In einer Ausführungsform ist der gewichtete Konfluenz-Summen-Score (WCSS) proportional zur Wurzel des Verhältnisses zwischen dem gegebenenfalls exponentiell wachsenden Umfang der Hirnläsion und der gegebenenfalls exponentiell wachsenden Fläche der Hirnläsion, z. B. wobei x gleich 1, 2, 3 oder 4,
y gleich 1, 2, 3 oder 4 und
z gleich 2, 3 oder 4 ist. In one embodiment, the weighted confluency cumulative score (WCSS) is proportional to the root of the ratio between the possibly exponentially increasing circumference of the brain lesion and the potentially exponentially growing area of the brain lesion, e.g. B. where x is 1, 2, 3 or 4,
y is 1, 2, 3 or 4 and
z is 2, 3 or 4.
Geeignete Beispiele für Formeln zur Berechnung des gewichteten Konfluenz-Summen-Scores sind: Suitable examples of formulas for calculating the weighted confluence-sum score are:
In einer Ausführungsform wird der gewichtete Konfluenz-Summen-Score gemäß Formel (I) berechnet: In one embodiment, the weighted confluence-cumulative score is calculated according to formula (I):
Die sogenannte Konfluenz (confluencyi), auf die in Formel (I) verwiesen wird, ist ein Maß für die Sphärizität einzelner Hirnläsionen. Sie wird in einer Ausführungsform gemäß Formel (II) oder Formel (III) berechnet: wobei
- WCSS
- für den gewichteten Konfluenz-Summen-Score steht,
- i
- ein Summationsindex ist, der über alle oder eine Untergruppe der Hirnläsionen läuft, die auf dem Bild des Hirngewebes abgebildet sind,
- wi
- ein Gewichtungsfaktor ist, der die Relevanz der i-ten Hirnläsion für eine betrachtete Anwendung quantifiziert,
- surfi
- eine Schätzung der Oberfläche der i-ten Hirnläsion darstellt,
- voli
- eine Schätzung des Volumens der i-ten Hirnläsion darstellt,
- circfi
- eine Schätzung des Umfangs der i-ten Hirnläsion darstellt und
- areai
- eine Schätzung der Fläche der i-ten Hirnläsion darstellt.
- WCS
- stands for the weighted confluence-sum score,
- i
- is a summation index that runs across all or a subset of the brain lesions depicted in the image of the brain tissue,
- w i
- is a weighting factor that quantifies the relevance of the ith brain lesion for a given application,
- surf i
- represents an estimate of the surface of the ith brain lesion,
- vol i
- represents an estimate of the volume of the ith brain lesion,
- circa i
- represents an estimate of the extent of the ith brain lesion and
- area i
- represents an estimate of the area of the ith brain lesion.
In einer Ausführungsform wird die prozentuale Abschirmung einer Hirnregion (mit A bezeichnet) durch Hirnläsionen als der Prozentsatz von Bildvoxeln (insbesondere im Falle eines dreidimensionalen Bildes) oder Bildpixeln (insbesondere im Falle eines zweidimensionalen Bildes) in einem vorbestimmten, die betrachtete Hirnregion umgebenden Volumen oder einer die betrachtete Hirnregion umgebenden Fläche (mit B bezeichnet), die zu einer Hirnläsion gehören, berechnet. In one embodiment, the percentage shielding of a brain region (denoted by A) by brain lesions is defined as the percentage of image voxels (especially in the case of a three-dimensional image) or image pixels (especially in the case of a two-dimensional image) in a predetermined volume surrounding the considered brain region calculates the area of the surrounding brain area (labeled B) belonging to a brain lesion.
In einer Ausführungsform ist die prozentuale Abschirmung durch Hirnläsionen eine prozentuale Abschirmung durch Hyperintensitäten der weißen Substanz (WMHs). In einer Ausführungsform wird dies gemäß folgender Formel (IV) berechnet: wobei
- SbWMHA
- für die prozentuale Abschirmung der betrachteten Hirnregion A durch Hyperintensitäten der weißen Substanz (WMHs) steht und
- VB
- für die Gesamtzahl der Voxel oder Pixel in einem Volumen oder einer Fläche B steht, die die betrachtete Hirnregion A umgibt
- VB(WMH)
- für die Anzahl der Voxel oder Pixel in einem Volumen oder einer Fläche B steht, die zu einer WMH gehören.
- SbWMH A
- for the percentage shielding of the considered brain region A by hyperintensities of the white matter (WMHs) stands and
- V B
- represents the total number of voxels or pixels in a volume or area B surrounding the considered brain region A.
- V B (WMH)
- is the number of voxels or pixels in a volume or area B that belong to a WMH.
Im Gegensatz zum Stand der Technik verwendet der gewichtete Konfluenz-Summen-Score (WCSS) eine Gewichtung von einzelnen erkannten Hirnläsionen, die ihrer Bedeutung entsprechen. Aus dem Stand der Technik ist keine solche Gewichtung von einzelnen erkannten Hirnläsionen beschrieben worden. Zusätzlich gibt der Stand der Technik keinen Vorschlag, einen Summenwert einer Konfluenz von mehreren einzelnen erkannten Hirnläsionen zu berechnen, um einen Biomarker zu erhalten. Tatsächlich wurde im Stand der Technik kein Biomarker beschrieben, der das Muster eines Konfluenzgrads von Hirnläsionen im Gehirn, wie sie z. B. auf Magnetresonanzbildern nachweisbar sind, beschreibt. In contrast to the prior art, the weighted confluence-cumulative score (WCSS) uses a weighting of individual recognized brain lesions corresponding to their significance. No such weighting of individual recognized brain lesions has been described in the prior art. In addition, the prior art does not suggest to calculate a cumulative value of confluence of several single detected brain lesions to obtain a biomarker. In fact, the prior art has not described a biomarker that reflects the pattern of a degree of confluence of brain brain lesions, such as those found in the brain. B. detectable on magnetic resonance images describes.
Die hier beschriebenen neuartigen Biomarker erlauben eine quantitative und Rater-unabhängige Charakterisierung der Struktur des untersuchten Gehirns, insbesondere der Hirnläsionen und damit der Hirnläsionsbelastung im untersuchten Gehirn. Sie ermöglichen auch die quantitative und Rater-unabhängige Charakterisierung der Auswirkungen der Hirnläsionsbelastung auf die Funktion des untersuchten Gehirns. The novel biomarkers described here allow a quantitative and rater-independent characterization of the structure of the examined brain, in particular the brain lesions and thus the brain lesion load in the examined brain. They also allow the quantitative and rater-independent characterization of the effects of brain lesion loading on the function of the examined brain.
Nach dem Stand der Technik wird das Gesamtvolumen (in ml) von Hirnläsionen im gesamten Gehirn als besonders relevant angesehen. Im Rahmen dieser Erfindung wurde jedoch herausgefunden, dass die Form von Hirnläsionen und ihre Position innerhalb des Gehirns zusätzliche nützliche Informationen liefern. In the prior art, the total volume (in ml) of brain lesions throughout the brain is considered to be particularly relevant. However, within the scope of this invention, it has been found that the shape of brain lesions and their position within the brain provide additional useful information.
Die neuen Biomarker liefern Informationen, die unabhängig vom Gesamtvolumen der Hirnläsionen sind und daher in Kombination mit dem Gesamtvolumen der Hirnläsionen (multivariates Modell) besonders nützlich sein können. The new biomarkers provide information that is independent of the total volume of brain lesions and therefore may be particularly useful in combination with the total volume of brain lesions (multivariate model).
Das verwendete Bild kann ein zweidimensionales oder dreidimensionales Bild sein. Im Falle eines zweidimensionalen Bildes, beispielsweise eines (virtuellen) Schnittes durch ein Gehirn, ist häufig bekannt, welcher Tiefe dieser Schnitt zugeordnet werden kann. Mit dieser Tiefeninformation kann das zweidimensionale Bild auch als dreidimensionales Bild betrachtet werden. Zusätzlich kann ein Stapel aus mehreren zweidimensionalen Bildern zusammengelegt werden, um ein (virtuelles) dreidimensionales Bild des Gehirns oder eines Teils des Gehirns zu erzeugen. Alle diese Techniken sind einem Fachmann gut bekannt. The image used may be a two-dimensional or three-dimensional image. In the case of a two-dimensional image, for example a (virtual) cut by a brain, it is often known to which depth this cut can be assigned. With this depth information, the two-dimensional image can also be regarded as a three-dimensional image. In addition, a stack of several two-dimensional images are merged to create a (virtual) three-dimensional image of the brain or part of the brain. All of these techniques are well known to a person skilled in the art.
Stand der Technik, insbesondere Referenzen [12] bis [15], deuten nicht darauf hin, dass die Abschirmung von kortikaler grauer Substanz durch Hirnläsionen, wie Hyperintensitäten der weißen Substanz (WMHs), als Biomarker verwendet werden könnte. Es ist jedoch aus der vorliegenden Erfindung ersichtlich, dass eine prozentuale Abschirmung durch Hirnläsionen, z. B. WMHs, ein sehr gut geeigneter Biomarker ist, um z. B. den Einfluss einer zerebrovaskulären Erkrankung der weißen Substanz auf den kortikalen Glukosestoffwechsel zu charakterisieren. Prior art, particularly references [12] to [15], do not suggest that shielding of cortical gray matter by brain lesions such as white matter hyperintensities (WMHs) could be used as a biomarker. However, it is apparent from the present invention that a percentage of screening by brain lesions, e.g. B. WMHs, is a very suitable biomarker to z. To characterize the influence of a cerebrovascular disease of the white matter on the cortical glucose metabolism.
In einer Ausführungsform basiert der Biomarker SbBL auf dem Nachweis von Hirnläsionen in der sogenannten „fluid-attenuated inversion recovery“ Magnetresonanz-Bildgebung (FLAIR-MRI) als Marker der Beeinträchtigung von axonalen Verbindungen (connectivity). Die Abschirmung, die durch den Biomarker SbBL ausgedrückt wird, kann z. B. zur quantitativen Charakterisierung des Einflusses von beeinträchtigten axonalen Verbindungen auf die kortikale Hirnaktivität, gemessen durch FDG-PET, verwendet werden. In one embodiment, the biomarker SbBL is based on the detection of brain lesions in the so-called "fluid-attenuated inversion recovery" magnetic resonance imaging (FLAIR-MRI) as a marker of impairment of axonal connections (connectivity). The shield, which is expressed by the biomarker SbBL, z. For the quantitative characterization of the influence of impaired axonal connections on cortical brain activity as measured by FDG-PET.
In einer Ausführungsform ist das Tiergehirn das Gehirn eines Säugers, insbesondere eines Nagetiers. Somit können die Biomarker auch zur Charakterisierung der Struktur oder Funktion des Gehirns in der präklinischen Forschung (Tierbildgebung) verwendet werden. In one embodiment, the animal brain is the brain of a mammal, particularly a rodent. Thus, the biomarkers can also be used to characterize the structure or function of the brain in preclinical research (animal imaging).
In einer Ausführungsform wird die Konfluenz, wie sie gemäß Formel (II) definiert ist, so skaliert, dass der Konfluenzwert 0 für eine Sphäre und größer als 0 für alle anderen Formen steht. In der Praxis ist die Berechnung der Konfluenz durch die Tatsache begrenzt, dass Bilder aus Voxeln mit einer gegebenen Voxelgröße bestehen. So gibt es keine perfekte Sphäre in Bildern mit einer endlichen Voxelgröße, sondern nur "kantige" Approximationen einer Sphäre aus kubischen Voxeln. Computersimulationen, die im Folgenden mit Bezug auf die Figuren näher erläutert werden, zeigten, dass der resultierende Fehler in der Konfluenz für Sphären vernachlässigt werden kann, die aus mindestens 100 Voxeln zusammengesetzt sind. In einer Ausführungsform umfassen die Hirnläsionen daher mindestens 100 Voxel oder Pixel, insbesondere mindestens 150 Voxel oder Pixel, insbesondere mindestens 200 Voxel oder Pixel, insbesondere mindestens 250 Voxel oder Pixel, insbesondere mindestens 300 Voxel oder Insbesondere mindestens 400 Voxel oder Pixel, insbesondere mindestens 400 Voxel oder Pixel, insbesondere mindestens 450 Voxel oder Pixel und ganz besonders mindestens 500 Voxel oder Pixel auf dem Bild. In one embodiment, the confluence as defined according to formula (II) is scaled such that the confluence value is 0 for one sphere and greater than 0 for all other forms. In practice, the calculation of confluence is limited by the fact that images consist of voxels of a given voxel size. Thus, there is no perfect sphere in images with a finite voxel size, but only "edged" approximations of a sphere of cubic voxels. Computer simulations, which will be explained in more detail below with reference to the figures, showed that the resulting error in confluence can be neglected for spheres composed of at least 100 voxels. In one embodiment, the brain lesions therefore comprise at least 100 voxels or pixels, in particular at least 150 voxels or pixels, in particular at least 200 voxels or pixels, in particular at least 250 voxels or pixels, in particular at least 300 voxels or in particular at least 400 voxels or pixels, in particular at least 400 voxels or pixels, in particular at least 450 voxels or pixels, and more particularly at least 500 voxels or pixels in the image.
Da Hirnläsionen durch ihr Auftreten und ihre Nachweisbarkeit in der Regel auf Bildern definiert sind, die durch Magnetresonanztomographie entstanden sind, ist das analysierte Bild in einer Ausführungsform ein Magnetresonanzbild. Eine geeignete Möglichkeit zum Aufzeichnen eines solchen Magnetresonanzbildes ist die Magnetresonanz-Bildgebung auf Basis einer „fluid-attenuated inversion recovery“ (FLAIR) Sequenz. Alternativ kann das Bild durch Magnetic Particle Imaging (MPI) oder durch Positronen-Emissions-Tomographie entstanden sein. Because brain lesions are typically defined by their appearance and detectability on images produced by magnetic resonance imaging, in one embodiment the analyzed image is a magnetic resonance image. A suitable possibility for recording such a magnetic resonance image is magnetic resonance imaging based on a fluid-attenuated inversion recovery (FLAIR) sequence. Alternatively, the image may have been generated by Magnetic Particle Imaging (MPI) or by positron emission tomography.
Während verschiedene Arten von Magnetresonanzbildern im Allgemeinen zum Nachweis von Hirnläsionen verwendet werden können, sind T1-gewichtete und/oder T2(einschließlich FLAIR)-gewichtete und/oder T2*-gewichtete Magnetresonanzbilder besonders zur Erkennung von Hirnläsionen geeignet. While various types of magnetic resonance images can generally be used to detect brain lesions, T1-weighted and / or T2 (including FLAIR) -weighted and / or T2 * -weighted magnetic resonance images are particularly suitable for detecting brain lesions.
In einem Aspekt betrifft die Erfindung die Verwendung eines bildbasierten Biomarkers gemäß den vorhergehenden Erläuterungen zur Charakterisierung der Struktur oder Funktion eines menschlichen oder tierischen Gehirns auf der Grundlage einer Analyse eines Bildes des Hirngewebes. Wobei das Bild geeignet ist, darauf Hirnläsionen zu erkennen. Diese Hirnläsionen können z. B. Hyperintensitäten der weißen Substanz oder Hypo- oder Hyperintensitäten der grauen Substanz sein. In one aspect, the invention relates to the use of an image-based biomarker as described above to characterize the structure or function of a human or animal brain based on an analysis of an image of the brain tissue. The image is suitable for detecting brain lesions. These brain lesions can, for. B. hyperintensities of the white matter or hypo- or hyperintensities of the gray matter.
In einem Aspekt betrifft die Erfindung auch ein Verfahren zur Charakterisierung der Struktur oder Funktion von menschlichem oder tierischem Hirngewebe auf der Grundlage einer Analyse eines Bildes des Hirngewebes unter Verwendung eines bildbasierten Biomarkers gemäß den vorhergehenden Erläuterungen. Wobei das Bild geeignet ist, darauf Hirnläsionen zu erkennen. In one aspect, the invention also relates to a method of characterizing the structure or function of human or animal brain tissue based on analysis of an image of the brain tissue using an image-based biomarker as described above. The image is suitable for detecting brain lesions.
In einem Aspekt betrifft die Erfindung die Verwendung eines bildbasierten Biomarkers gemäß den vorhergehenden Erläuterungen zur Charakterisierung einer Hirnläsionslast im menschlichen oder tierischen Hirngewebe auf der Grundlage einer Analyse eines Bildes des Hirngewebes. Wobei das Bild geeignet ist, darauf Hirnläsionen zu erkennen. In one aspect, the invention relates to the use of an image-based biomarker as described above for characterizing a brain lesion burden in human or animal brain tissue based on an analysis of an image of the brain tissue. The image is suitable for detecting brain lesions.
In einem Aspekt betrifft die Erfindung auch ein Verfahren zur Charakterisierung einer Hirnläsionslast im menschlichen oder tierischen Hirngewebe auf der Grundlage einer Analyse eines Bildes des Hirngewebes unter Verwendung eines bildbasierten Biomarkers gemäß den vorhergehenden Erläuterungen. Wobei das Bild geeignet ist, darauf Hirnläsionen zu erkennen. In one aspect, the invention also relates to a method of characterizing a brain lesion burden in human or animal brain tissue based on analysis of an image of the brain tissue using an image-based biomarker as described above. The image is suitable for detecting brain lesions.
In einem Aspekt betrifft die Erfindung die Verwendung eines bildbasierten Biomarkers gemäß den vorhergehenden Erläuterungen zur Diagnose einer Erkrankung, zur Differenzierung zwischen verschiedenen Erkrankungen (Differentialdiagnose), insbesondere zur Unterscheidung zwischen einer neurodegenerativen Erkrankung und einer zerebrovaskulären Erkrankung oder zur Überwachung des zeitlichen Verlaufs einer Veränderung der Hirnstruktur oder -funktion mit oder ohne Behandlung auf der Grundlage einer Analyse eines Bildes des Gehirngewebes, wie des Gehirns. Wobei das Bild geeignet ist, darauf Hirnläsionen zu erkennen. In one aspect, the invention relates to the use of an image-based biomarker according to the preceding explanations for the diagnosis of a disease, differentiation between different diseases (differential diagnosis), in particular for distinguishing between a neurodegenerative disease and a cerebrovascular disease or for monitoring the time course of a change in the brain structure or function with or without treatment based on an analysis of an image of the brain tissue, such as the brain. The image is suitable for detecting brain lesions.
In einem Aspekt betrifft die Erfindung auch ein Verfahren zur Diagnose einer Erkrankung, zur Differenzierung zwischen verschiedenen Erkrankungen (Differentialdiagnose), insbesondere zur Unterscheidung zwischen einer neurodegenerativen Erkrankung und einer zerebrovaskulären Erkrankung oder zur Überwachung des zeitlichen Verlaufs einer Veränderung der Hirnstruktur oder -funktion mit oder ohne Behandlung auf der Grundlage einer Analyse eines Bildes des Hirngewebes, wie des Gehirns, das einen bildbasierten Biomarkers gemäß den vorhergehenden Erläuterungen verwendet. Wobei das Bild geeignet ist, darauf Hirnläsionen zu erkennen. In one aspect, the invention also relates to a method for the diagnosis of a disease, for the differentiation between different diseases (differential diagnosis), in particular for distinguishing between a neurodegenerative disease and a cerebrovascular disease or for monitoring the time course of a change in brain structure or function with or without A treatment based on an analysis of an image of the brain tissue, such as the brain, using an image-based biomarker as described above. The image is suitable for detecting brain lesions.
Weitere Verwendungen des Biomarkers oder Methoden, die den Biomarker verwenden, beziehen sich auf den Nachweis der Ursache für den kognitiven Abfall eines Subjekts, das unter kognitiven Einschränkungen leidet. Weitere Verwendungen des Biomarkers oder Methoden, die den Biomarker verwenden, betreffen die Differenzierung zwischen einem Krankheitszustand, der durch Verlust/Dysfunktion von Neuronen und einem Krankheitszustand verursacht wird, der durch Veränderungen des Blutflusses im Hirngewebe eines Patienten verursacht wird. Other uses of the biomarker or methods that use the biomarker relate to demonstrating the cause of the cognitive decline of a subject suffering from cognitive impairment. Other uses of the biomarker or methods using the biomarker relate to the differentiation between a disease state caused by neuronal loss / dysfunction and a disease state caused by changes in blood flow in a patient's brain tissue.
In einer Ausführungsform ist die neurodegenerative Erkrankung die Alzheimer-Krankheit. In one embodiment, the neurodegenerative disease is Alzheimer's disease.
In einem Aspekt betrifft die Erfindung die Verwendung eines bildbasierten Biomarkers gemäß den vorhergehenden Erläuterungen zur Beurteilung oder Stratifizierung des Risikos, das mit detektierten subkortikalen Hyperintensitäten in Bezug auf die Entwicklung zukünftiger Hirnstörungen oder hirngebundener Erkrankungen, wie z.B. das Risiko des kognitiven Abfalls oder der Gefahr eines Schlaganfalls innerhalb eines definierten Zeitraums, verbunden ist. Diese definierte Zeitspanne kann z.B. 1, 2, 3, 4, 5, 6, 7, 8, 9 oder 10 Jahre betragen. Diese Risikobewertung bzw. Risikostratifizierung wird wiederum auf der Grundlage einer Analyse eines Bildes des Hirngewebes durchgeführt. Wobei das Bild geeignet ist, darauf Hirnläsionen zu erkennen. In one aspect, the invention relates to the use of an image-based biomarker as described above for assessing or stratifying the risk associated with detected subcortical hyperintensities with respect to the development of future brain disorders or brain-related diseases, such as hypertension. the risk of cognitive decline or the risk of stroke within a defined period of time. This defined period of time may e.g. 1, 2, 3, 4, 5, 6, 7, 8, 9 or 10 years. This risk assessment or risk stratification is in turn carried out on the basis of an analysis of an image of the brain tissue. The image is suitable for detecting brain lesions.
In einem Aspekt betrifft die Erfindung auch ein entsprechendes Verfahren zur Bewertung oder Stratifizierung des Risikos, das mit erkannten subkortikalen Hyperintensitäten in Bezug auf die Entwicklung zukünftiger Hirnstörungen oder hirngebundener Krankheiten auf der Grundlage einer Analyse eines Bildes des Hirngewebes verbunden ist, indem der bildbasierte Biomarker gemäß den vorhergehenden Erläuterungen verwendet wird. Wobei das Bild geeignet ist, darauf Hirnläsionen zu erkennen. In one aspect, the invention also relates to a corresponding method for assessing or stratifying the risk associated with detected subcortical hyperintensities with respect to the development of future brain disorders or brain-related diseases based on analysis of an image of the brain tissue by using the image-based biomarker according to previous explanations is used. The image is suitable for detecting brain lesions.
In einem Aspekt betrifft die Erfindung ein erstes Verfahren zur Charakterisierung der Struktur oder Funktion von menschlichem oder tierischem Hirngewebe. Dabei umfasst das Verfahren die nachfolgend erläuterten Schritte. In one aspect, the invention relates to a first method for characterizing the structure or function of human or animal brain tissue. The method comprises the steps explained below.
In einem ersten Verfahrensschritt wird ein Bild von menschlichem oder tierischem Hirngewebe bereitgestellt. Wobei das Bild geeignet ist, darauf Hirnläsionen zu erkennen. In a first method step, an image of human or animal brain tissue is provided. The image is suitable for detecting brain lesions.
In einem anderen Verfahrensschritt werden eine oder mehrere Hirnläsionen – insbesondere automatisch – auf dem Bild erkannt und deren Außenkontur – insbesondere automatisch – eingezeichnet. In another method step, one or more brain lesions - in particular automatically - recognized on the image and its outer contour - in particular automatically - drawn.
In einem anderen Verfahrensschritt wird für jede eingezeichnete Hirnläsion eine Konfluenz berechnet, wobei die Konfluenz ein Maß für die Beziehung zwischen einer Oberfläche der Hirnläsion und einem Volumen der Hirnläsion oder zwischen einem Umfang der Hirnläsion und einer Fläche der Hirnläsion ist. In another method step, a confluence is calculated for each drawn brain lesion, wherein the confluence is a measure of the relationship between a surface of the brain lesion and a volume of the brain lesion or between a circumference of the brain lesion and an area of the brain lesion.
In einem anderen Verfahrensschritt wird ein gewichteter Konfluenz-Summen-Score als eine Summe gewichteter Konfluenzen über alle eingezeichneten Hirnläsion berechnet. In another method step, a weighted confluence-sum score is calculated as a sum of weighted confluence over all plotted brain lesions.
In einem anderen Verfahrensschritt wird ein gewichteter Konfluenz-Summen-Score verwendet, um die Struktur oder Funktion des menschlichen oder tierischen Hirngewebes zu charakterisieren, dessen Bild analysiert worden ist. In another method step, a weighted confluency-sum score is used to characterize the structure or function of the human or animal brain tissue whose image has been analyzed.
In einer Ausführungsform wird jeder eingezeichneten Hirnläsion automatisch ein Gewichtungsfaktor wi zugeordnet. Der Gewichtungsfaktor wi quantifiziert die Relevanz der i-ten Läsion für die interessierende diagnostische Fragestellung. Je größer der Gewichtungsfaktor, desto größer die Relevanz der jeweiligen Läsion. Der Gewichtungsfaktor kann z.B. entweder kontinuierliche (reelle Zahl) oder diskrete (ganzzahlige oder rationale Zahlen) Werte annehmen. In one embodiment, each imaged brain lesion is automatically assigned a weighting factor w i . The weighting factor w i quantifies the relevance of the ith lesion for the diagnostic question of interest. The greater the weighting factor, the greater the relevance of the respective lesion. For example, the weighting factor can take either continuous (real number) or discrete (integer or rational numbers) values.
Der gewichtete Konfluenz-Summen-Score (WCSS) liefert nicht nur Informationen über die Konfluenz der detektierten Hirnläsionen, sondern auch nach Signifikanz gewichtete Informationen über die Relevanz der jeweiligen Hirnläsionen. Damit werden viel mehr signifikante, zuverlässige und relevante Informationen von den in einem Bild des Gehirns erkannten Hirnläsionen extrahiert als es mit nach dem Stand der Technik bekannten Verfahren möglich ist. The Weighted Confluent Sum Score (WCSS) not only provides information on the confluence of detected brain lesions, but also provides significance-weighted information on the relevance of each brain lesion. Thus, much more significant, reliable and relevant information is extracted from the brain lesions seen in an image of the brain than is possible with prior art methods.
Die Verfahrensschritte können, müssen aber nicht in der oben angegebenen Reihenfolge durchgeführt werden. Hiermit wird auch jede andere geeignete Abfolge von Verfahrensschritten offengelegt, die angewendet werden kann, um den gewichteten Konfluenz-Summen-Score (WCSS) zu berechnen. The process steps may, but need not be, performed in the order given above. It also discloses any other suitable sequence of procedures that can be used to calculate the weighted confluency cumulative score (WCSS).
In einer Ausführungsform wird der gewichtete Konfluenz-Summen-Score (WCSS) gemäß Formel (I) berechnet: wobei
- WCSS
- für den gewichteten Konfluenz-Summen-Score steht und
- i
- ein Summationsindex ist, der über alle oder eine beliebige Untergruppe von Hirnläsionen läuft, die auf dem Bild des Gehirns abgrenzbar sind,
- WCS
- stands for the weighted confluence-cum score and
- i
- is a summation index that runs over all or any subset of brain lesions that are delineate on the image of the brain,
In einer Ausführungsform wird die Konfluenz gemäß Formel (II) oder Formel (III) berechnet: wobei
- wi
- ein Gewichtungsfaktor ist, der die Relevanz der i-ten Hirnläsion für eine betrachtete Anwendung quantifiziert,
- surfi
- eine Schätzung der Oberfläche der i-ten Hirnläsion darstellt,
- voli
- eine Schätzung des Volumens der i-ten Hirnläsion darstellt,
- circfi
- eine Schätzung des Umfangs der i-ten Hirnläsion darstellt und
- areai
- eine Schätzung der Fläche der i-ten Hirnläsion darstellt.
- w i
- is a weighting factor that quantifies the relevance of the ith brain lesion for a given application,
- surf i
- represents an estimate of the surface of the ith brain lesion,
- vol i
- represents an estimate of the volume of the ith brain lesion,
- circa i
- represents an estimate of the extent of the ith brain lesion and
- area i
- represents an estimate of the area of the ith brain lesion.
In einer Ausführungsform ist der Gewichtungsfaktor für Hirnläsionen unterschiedlich, die sich innerhalb verschiedener Hirnregionen befinden. Dabei wird die Relevanz der Lage der Hirnläsion für das zu lösende Problem adäquat berücksichtigt. In one embodiment, the weighting factor is different for brain lesions located within different brain regions. The relevance of the location of the brain lesion is adequately considered for the problem to be solved.
In einer Ausführungsform ist der Gewichtungsfaktor für Hirnläsionen unterschiedlich, die innerhalb der kortikalen grauen Substanz, innerhalb der periventrikulären weißen Substanz, innerhalb der tiefen weißen / grauen Substanz, innerhalb der subkortikalen weißen Substanz oder innerhalb des Hirnstamms liegen. Dabei sind Hirnläsionen, die sich innerhalb des Hirnstamms befinden, als die relevantesten Hirnläsionen zu betrachten. Der höchste Gewichtungsfaktor sollte diesen Hirnläsionen zugeordnet werden. Hirnläsionen mit der zweithöchsten Relevanz sind jene, die sich innerhalb der subkortikalen weißen Substanz befinden. Der zweithöchste Gewichtungsfaktor sollte diesen Hirnläsionen zugeordnet werden. Hirnläsionen mit der dritthöchsten Relevanz befinden sich in der tiefen weißen / grauen Substanz. Der dritthöchste Gewichtungsfaktor sollte diesen Hirnläsionen zugeordnet werden. Hirnläsionen mit der vierthöchsten Relevanz befinden sich innerhalb der periventrikulären weißen Substanz. Der vierthöchste Gewichtungsfaktor sollte diesen Hirnläsionen zugeordnet werden. In one embodiment, the weighting factor is different for brain lesions that are within the cortical gray matter, within the periventricular white matter, within the deep white / gray matter, within the subcortical white matter, or within the brainstem. Brain lesions located within the brainstem are considered to be the most relevant brain lesions consider. The highest weighting factor should be assigned to these brain lesions. The second most relevant brain lesions are those located within the subcortical white matter. The second highest weighting factor should be assigned to these brain lesions. Brain lesions of the third highest relevance are in the deep white / gray matter. The third highest weighting factor should be assigned to these brain lesions. Lesions of the brain with the fourth highest relevance are located within the periventricular white matter. The fourth highest weighting factor should be assigned to these brain lesions.
Die den einzelnen Hirnläsionen zugeordneten Gewichtungsfaktoren können willkürlich gewählt werden. In einer Ausführungsform wird der Gewichtungsfaktor auf 1 gesetzt, wenn sich die Hirnläsion innerhalb der periventrikulären weißen Substanz befindet. Er wird auf 2 gesetzt, wenn die Hirnläsion innerhalb der tiefen weißen / grauen Substanz liegt. Er wird auf 3 gesetzt, wenn sich die Hirnläsion innerhalb der subkortikalen weißen Substanz befindet. Schließlich wird er auf 4 gesetzt, wenn die Hirnläsion innerhalb des Hirnstamms liegt. Die numerischen Unterschiede zwischen diesen Gewichtungsfaktoren sind ausreichend, um die einzelnen Hirnläsionen so zu gewichten, dass dadurch ein signifikanter Biomarker, nämlich der gewichtete Konfluenz-Summen-Score (WCSS), entsteht. The weighting factors assigned to the individual brain lesions can be chosen arbitrarily. In one embodiment, the weighting factor is set to 1 when the brain lesion is within the periventricular white matter. It is set to 2 if the brain lesion is within the deep white / gray matter. It is set to 3 when the brain lesion is within the subcortical white matter. Finally, it is set to 4 if the brain lesion is within the brain stem. The numerical differences between these weighting factors are sufficient to weight each brain lesion to produce a significant biomarker, the weighted confluence-cumulative score (WCSS).
Es könnte der Fall sein, dass sich eine erkannte Hirnläsion über mehr als eine Hirnregion erstreckt. In einem solchen Fall wird der Hirnläsion in einer Ausführungsform der höchste Gewichtungsfaktor der jeweiligen Hirnregion zugeordnet. It could be the case that a recognized brain lesion extends over more than one brain region. In such a case, in one embodiment, the brain lesion is assigned the highest weighting factor of the respective brain region.
In einem Aspekt betrifft die Erfindung ein zweites Verfahren zur Charakterisierung der Struktur oder Funktion von menschlichem oder tierischem Hirngewebe. Dabei umfasst das Verfahren die nachfolgend erläuterten Schritte. In one aspect, the invention relates to a second method of characterizing the structure or function of human or animal brain tissue. The method comprises the steps explained below.
In einem ersten Verfahrensschritt wird ein Bild von menschlichem oder tierischem Hirngewebe bereitgestellt, das geeignet ist, Hirnläsionen darauf zu erkennen. In a first method step, an image of human or animal brain tissue suitable for detecting brain lesions thereon is provided.
In einem anderen Verfahrensschritt wird mindestens eine Hirnläsion auf dem Bild – insbesondere automatisch – erkannt und deren äußere Kontur – insbesondere automatisch – eingezeichnet, wodurch eine Hirnläsionskarte entsteht. In another method step, at least one brain lesion on the image - in particular automatically - detected and their outer contour - in particular automatically - drawn, creating a brain lesion map is created.
In einem anderen Verfahrensschritt wird eine prozentuale Abschirmung durch Hirnläsionen für mindestens einen ausgewählten Hirnbereich berechnet, wobei die prozentuale Abschirmung durch Hirnläsionen eines ausgewählten Hirnbereichs ein Maß für den Anteil einer Umgebung des ausgewählten Hirnbereichs ist, der zu Hirnläsionen gehört. In another method step, a percentage of shielding by brain lesions is calculated for at least one selected brain area, wherein the percentage shielding by brain lesions of a selected brain area is a measure of the proportion of an environment of the selected brain area associated with brain lesions.
In einem anderen Verfahrensschritt wird die prozentuale Abschirmung durch Hirnläsionen des mindestens einen ausgewählten Hirnbereichs verwendet, um die Struktur oder Funktion des menschlichen oder tierischen Hirngewebes zu charakterisieren, dessen Bild analysiert worden ist. In another method step, the percentage shielding by brain lesions of the at least one selected brain area is used to characterize the structure or function of the human or animal brain tissue whose image has been analyzed.
Der ausgewählte Hirnbereich kann ein Voxel oder ein Pixel sein oder er kann eine Fläche oder ein Volumen von z. B. 10 ml oder mehr, 20 ml oder mehr, 30 ml oder mehr, 40 ml oder mehr, 50 ml oder mehr, 60 ml oder mehr, 70 ml oder mehr, 80 ml oder mehr, 90 ml oder mehr oder 100 ml oder mehr umfassen. Das oben genannte Umgebungsvolumen kann dieselben Werte haben. The selected brain area may be a voxel or a pixel or may have an area or volume of e.g. 10 ml or more, 20 ml or more, 30 ml or more, 40 ml or more, 50 ml or more, 60 ml or more, 70 ml or more, 80 ml or more, 90 ml or more or 100 ml or more. The above environment volume may have the same values.
In einer Ausführungsform werden die ausgewählten Hirnbereiche zur Berechnung ihrer prozentualen Abschirmung durch Hirnläsionen nach den folgenden Verfahrensschritten ausgewählt. In one embodiment, the selected brain areas are selected to calculate their percentage shielding by brain lesions according to the following method steps.
In einem ersten Verfahrensschritt wird ein zweites Bild des gleichen menschlichen oder tierischen Hirngewebes bereitgestellt, wobei das zweite Bild dazu geeignet ist, andere Informationen über die Hirnstruktur oder -funktion als das erste Bild zu liefern. Um ein Beispiel zu geben, könnte das zweite Bild geeignet sein, Informationen über (synaptische) Funktion und Dysfunktion des Hirngewebes bereitzustellen. Normalerweise wird das zweite Bild durch eine andere bildgebende Technik als das erste Bild erzeugt. In a first method step, a second image of the same human or animal brain tissue is provided, the second image being adapted to provide other information about the brain structure or function than the first image. To give an example, the second image could be useful to provide information about (synaptic) function and dysfunction of the brain tissue. Normally, the second image is generated by a different imaging technique than the first image.
In einem anderen Verfahrensschritt wird die Läsionskarte mit dem zweiten Bild anatomisch in Übereinstimmung gebracht (koregistriert). In another method step, the lesion map is anatomically aligned with the second image (coregistered).
In einem anderen Verfahrensschritt werden die in Übereinstimmung gebrachte (koregistrierte) Läsionskarte und das zweite Bild in einen anatomischen Standardraum stereotaktisch normalisiert. Dieser anatomische Standardraum kann auch als Template oder Atlasraum bezeichnet werden. Es wird ein normalisiertes zweites Bild erzeugt. In another method step, the coincident (registered) lesion map and the second image are stereotactically normalized to a standard anatomical space. This Standard anatomical space can also be referred to as a template or atlas space. A normalized second image is created.
In einem anderen Verfahrensschritt wird das normalisierte zweite Bild mit mindestens einem äquivalenten Referenzbild von mindestens einem Referenzsubjekt verglichen, um eine Effektkarte zu erzeugen, die Hirnbereiche anzeigt, in denen sich eine Eigenschaft (wie die Intensität) des zweiten Bildes vom Referenzbild unterscheidet. Die Effektkarte kann z. B. eine Karte des Hypometabolismus sein, die hypometabolische Bereiche oder Voxel im Gehirn anzeigt. Dieser Vergleich kann in einer Ausführungsform Voxel- oder Pixel-basiert erfolgen. In another method step, the normalized second image is compared to at least one equivalent reference image of at least one reference subject to produce an effect map indicating brain areas in which a property (such as the intensity) of the second image differs from the reference image. The effect card can be z. For example, it may be a map of hypometabolism indicating hypometabolic regions or voxels in the brain. This comparison may be voxel-or pixel-based in one embodiment.
In einer Ausführungsform ist der Vergleich ein statistischer Vergleich, der z. B. eine statistisch-parametrische Karte des Hypometabolismus für das jeweilige Gehirn erzeugt. Auch andere Vergleichsverfahren sind möglich. Anstelle des einzelnen gesunden Subjekts als Referenzsubjekt kann eine Gruppe von gesunden Kontrollpersonen (gesunde Kontrolldatenbank) zum Vergleich herangezogen werden. In one embodiment, the comparison is a statistical comparison, e.g. For example, a statistical parametric map of hypometabolism is generated for each brain. Other comparison methods are possible. Instead of the individual healthy subject as a reference subject, a group of healthy control persons (healthy control database) can be used for comparison.
In einem anderen Verfahrensschritt wird die prozentuale Abschirmung durch Hirnläsionen für jeden Hirnbereich auf der Effektkarte berechnet. In another method step, the percentage shielding is calculated by brain lesions for each brain area on the effect map.
Um ein Beispiel zu geben, kann für jedes hypometabolische Voxel eine prozentuale Abschirmung von Hyperintensitäten der weißen Substanz (in einem vordefinierten Volumen) als Anteil der benachbarten Voxeln der weißen Substanz berechnet werden, die von Hyperintensitäten der weißen Substanz betroffen sind. As an example, for each hypometabolic voxel, a percentage of white matter hyperintensity (in a predefined volume) of the white matter adjacent to the voxels affected by hyperintensities of the white matter can be calculated.
Die strukturelle oder funktionelle Charakterisierung des Hirngewebes kann dann verwendet werden, um zwischen einer zerebrovaskulären Erkrankung und einer neurodegenerativen Erkrankung zu unterscheiden. Insbesondere wird durch die Anwendung des Biomarkers SbWMH (als Beispiel für den Biomarker SbBL) das Risiko einer Fehlinterpretation der WMH-assoziierten Veränderung in FDG-PET als Indikation für eine neurodegenerative Erkrankung signifikant reduziert. The structural or functional characterization of the brain tissue can then be used to distinguish between a cerebrovascular disease and a neurodegenerative disease. In particular, the use of the biomarker SbWMH (as an example of the biomarker SbBL) significantly reduces the risk of a misinterpretation of WMH-associated alteration in FDG-PET as an indication for neurodegenerative disease.
Die Verfahrensschritte können, müssen aber nicht in der oben angegebenen Reihenfolge durchgeführt werden. Hiermit wird auch jede andere geeignete Folge von Verfahrensschritten offengelegt, die angewendet werden kann, um den Biomarker SbBL zu erhalten. The process steps may, but need not be, performed in the order given above. It also discloses any other suitable sequence of procedures that can be used to obtain the biomarker SbBL.
In einer Ausführungsform wird das erste Bild mittels struktureller MRT-Bildgebung erstellt, wie FLAIR-MRT oder T1-gewichtete MRT. In one embodiment, the first image is created using structural MRI imaging, such as FLAIR MRI or T1 weighted MRI.
In einer Ausführungsform wird das zweite Bild durch Positronen-Emissions-Tomographie mit F-18-Fluorodeoxyglucose (FDG-PET) erstellt. In one embodiment, the second image is created by positron emission tomography with F-18 fluorodeoxyglucose (FDG-PET).
In einer Ausführungsform wird die prozentuale Abschirmung durch Hirnläsionen (SbBL) für jedes Pixel oder Voxel in der Effektkarte berechnet und dann auf das zweite Bild überlagert, um so eine prozentuale Abschirmung besser zu visualisieren. Das resultierende Bild kann mit einem Bild verglichen werden, bei dem die Effektkarte dem zweiten Bild überlagert ist. Die visuelle Beurteilung dieser beiden Überlagerungen vereinfacht die Interpretation der SbBL. In one embodiment, the percentage shielding by brain lesions (SbBL) for each pixel or voxel in the effect map is calculated and then superimposed on the second image so as to better visualize a percentage of shielding. The resulting image can be compared to an image where the effect map overlays the second image. The visual assessment of these two overlays simplifies the interpretation of the SbBL.
Die oben erläuterten Verfahren werden üblicherweise durchgeführt, um zuvor erhaltene Bilder zu bewerten. So können sie auch als in-vitro Methoden bezeichnet werden. In einem Aspekt der vorliegenden Erfindung können die oben erläuterten Verfahren alternativ oder zusätzlich während der Aufzeichnung der zu analysierenden Bilder durchgeführt werden. In diesem Aspekt können die Verfahren auch als in-vivo- oder in-situ-Verfahren bezeichnet werden. The above-explained methods are usually performed to evaluate previously obtained images. So they can also be referred to as in vitro methods. In one aspect of the present invention, the methods discussed above may alternatively or additionally be performed during the recording of the images to be analyzed. In this aspect, the methods may also be referred to as in vivo or in situ methods.
Die oben erläuterten Verfahren werden üblicherweise durchgeführt, um Daten bereitzustellen, die später verwendet werden können, um einem Arzt bei der Diagnose einer bestimmten Störung oder Krankheit zu helfen. In einem Aspekt umfassen die beanspruchten Verfahren den Schritt der Herstellung einer solchen Diagnose. The methods discussed above are commonly performed to provide data that may later be used to assist a physician in diagnosing a particular disorder or illness. In one aspect, the claimed methods include the step of making such a diagnosis.
Die oben erläuterten Verfahren zur Bestimmung der beschriebenen Biomarker unter Verwendung von Bildern, wie MR-Bildern des menschlichen oder tierischen Gehirns, können mit Hilfe eines (Computer-)Systems vollautomatisch durchgeführt werden. Ein solches System zur Durchführung des Verfahrens umfasst verschiedene Verfahren, um die einzelnen Aufgaben bewerkstelligen zu können. The methods explained above for determining the described biomarkers using images, such as MR images of the human or animal brain, can be carried out fully automatically with the aid of a (computer) system. Such a system for carrying out the method comprises various methods in order to be able to accomplish the individual tasks.
In einem Aspekt betrifft die Erfindung ein Softwareprogramm, das in der Lage ist, mindestens ein Verfahren gemäß einer der vorstehenden Erläuterungen auszuführen, wenn es auf einem Computer ausgeführt wird. In one aspect, the invention relates to a software program capable of performing at least one method as described above when executed on a computer.
In einem anderen Aspekt betrifft die Erfindung ein nicht-transitorisches computerlesbares Medium, auf dem ein Hirnstruktur-Beurteilungsprogramm gespeichert ist, das eine Informationsverarbeitungsvorrichtung (wie etwa einen Computer) veranlasst, mindestens ein Verfahren gemäß einer der vorstehenden Erläuterungen auszuführen. In another aspect, the invention relates to a non-transitory computer readable medium having stored therein a brain structure judging program that causes an information processing device (such as a computer) to execute at least one method as described above.
Die oben beschriebenen Ausführungsformen können beliebig kombiniert werden. Zusätzlich können mit Bezug auf einen der beschriebenen Biomarker erläuterte Ausführungsformen, die beschriebenen Verwendungen, die beschriebenen Verfahren und das beschriebene Computerprogramm auf alle anderen der beschriebenen Biomarker, die beschriebenen Verwendungen, die beschriebenen Verfahren und das beschriebene Computerprogramm in beliebiger Weise übertragen werden. The above-described embodiments may be arbitrarily combined. In addition, embodiments described with respect to any of the described biomarkers, the described uses, the described methods, and the described computer program may be arbitrarily translated to all other of the described biomarkers, the described uses, the described methods, and the described computer program.
Aspekte der Erfindung werden anhand von Figuren und Ausführungsbeispielen näher erläutert. Aspects of the invention will be explained in more detail with reference to figures and exemplary embodiments.
Figuren characters
Eine Abgrenzung, wie in
Erstes Ausführungsbeispiel: First embodiment:
Berechnung eines gewichteten Konfluenz-Summen-Scores (WCSS) Calculation of a Weighted Confluence Sum Score (WCSS)
Das Ausführungsbeispiel betrifft ein (Computer-)System zur vollautomatischen Bestimmung eines gewichteten Konfluenz-Summen-Scores (WCSS). Dieses System verwendet Magnetresonanz-(MR-)Bilddaten des menschlichen Gehirns. Es beginnt mit der automatischen Erkennung aller Hirnläsionen im MR-Bild und der genauen Abgrenzung ihrer äußeren Kontur. Ein beispielhaftes Ergebnis ist in
Dieser Schmidt-Algorithmus erzeugt eine dreidimensionale Hyperintensitätskarte, die dann binarisiert wird. Die binarisierte Hyperintensitätskarte wird dann unter Verwendung der Routine spm_bwlabel aus dem Softwarepaket
Dann berechnet das System die Konfluenz für jede Hirnläsion gemäß Formel (II) Then the system calculates the confluency for each brain lesion according to formula (II)
Oberfläche und Volumen der Hyperintensitätsläsion werden durch Zählen von Voxeln, wie in der geclusterten Hyperintensitätskarte definiert, berechnet. Dies ist rechnerisch sehr effizient. The surface area and volume of the hyperintensity lesion are calculated by counting voxels as defined in the clustered hyperintensity map. This is computationally very efficient.
Der Gewichtungsfaktor wi für eine gegebene Hyperintensitätsläsion wird nach seiner Lokalisation im Gehirn definiert: wi = 1, 2, 3, 4, wenn sich die Läsion innerhalb der periventrikulären weißen Substanz, innerhalb der tiefen weißen / grauen Substanz, innerhalb der subkortikalen weißen Substanz oder innerhalb des Hirnstamms befindet. Die Zuordnung der Läsion zu diesen vier verschiedenen Regionen basiert auf einer anatomischen Karte, die zuvor aus den von SPM8 bereitgestellten Gewebewahrscheinlichkeiten erstellt wurde. Diese anatomische Karte ist in
Schließlich wird der gewichtete Konfluenz-Summen-Score (WCSS) gemäß Formel (V) berechnet, Finally, the weighted confluence-cumulative score (WCSS) is calculated according to formula (V),
Die einzelnen Parameter haben die gleiche Bedeutung wie im Fall der Formel (I). Der einzige Unterschied zwischen Formel (I) und (V) ist, dass im Fall der Formel (V) m als Anzahl der analysierten Hirnläsionen verwendet wird. Dabei bezieht sich m auf die Gesamtzahl der Hyperintensitätsläsionen in der Hyperintensitätskarte, die aus mindestens 100 Voxeln bestehen. The individual parameters have the same meaning as in the case of the formula (I). The only difference between formula (I) and (V) is that in the case of formula (V), m is the number of brain lesions analyzed is used. M refers to the total number of hyperintensity lesions in the hyperintensity map, consisting of at least 100 voxels.
Das soeben beschriebene System wurde durch die folgenden Experimente erfolgreich validiert:
- • Der von Schmidt und Mitarbeitern vorgeschlagene Algorithmus für FLAIR-Hyperintensitätsläsionen bei Multipler Sklerose wurde bei 44 geriatrischen Patienten (mittleres Alter 80 Jahre) mit unklarer kognitiver Beeinträchtigung erfolgreich validiert.
- • Wie oben bereits ausgeführt, gibt es keine perfekte Sphäre in MR-Bildern, sondern nur "kantige" Approximationen einer Sphäre aus kubischen Voxeln. Computersimulationen von Sphären, die sich aus einer variierenden Anzahl von kubischen Voxeln zusammensetzten, zeigten, dass der resultierende Fehler in der Konfluenz für Sphären aus
mindestens 100 Voxeln vernachlässigt werden kann. Die entsprechenden Ergebnisse sind in3 gezeigt. Für Sphären, dieaus mindestens 100 Voxeln zusammengesetzt sind, nähert sich die Konfluenz Null, d.h. dem Wert einer idealen Sphäre. - • Computer-Simulationen wurden durchgeführt, um zu zeigen, dass die Konfluenz gemäß Formel (II) tatsächlich ein nützliches Maß für die Konfluenz von Hirnläsionen ist. Insbesondere wurden 6 sphärische Läsionen mit jeweils 10 mm Radius und ein Quader, der die Verschmelzung der 6 Sphären zu einer einzigen zusammenhängenden Läsion simuliert, analysiert. Die Ergebnisse sind in den
4A und4B dargestellt. Der berechnete WCSS war für das Muster, das aus den 6 sphärischen Läsionen bestand, fast Null, während er fürden Quader 0,74 betrug (alle Gewichtungsfaktoren wurden auf 1 gesetzt). Wenn die Zahl der sphärischen Läsionen, die zu einem Quader zusammenfielen, erhöht wurde, zeigte der WCSS des Quaders eine kontinuierliche Zunahme. Die entsprechenden Ergebnisse sind in5 zu sehen. Die Figur zeigt, dass die Konfluenz eines Quaders kontinuierlich mit seiner Länge zunimmt, d.h. mit der Anzahl der sphärischen Läsionen, aus denen der Quader zusammengesetzt wurde. Der WCSS des Musters der sphärischen Läsionen blieb nahezu null, unabhängig von der Anzahl der sphärischen Läsionen (alle Gewichtungsfaktoren wurden auf 1 gesetzt). - • In einer klinischen Evaluation betrug die Fläche unter einer Receiver-Operating Characteristic (ROC) Kurve für die Differenzierung zwischen Patienten mit einem vaskulär-bedingtem kognitiven Abfall und Patienten ohne relevante zerebrovaskuläre Erkrankung in Bezug auf den WCSS 0,830. Dies ist in
6 gezeigt. Dies zeigt deutlich, dass der WCSS klinisch nützlich ist.
- • The algorithm proposed by Schmidt and co-workers for FLAIR hyperintensity lesions in multiple sclerosis was successfully validated in 44 geriatric patients (mean age 80 years) with unknown cognitive impairment.
- • As stated above, there is no perfect sphere in MR images, but only "edged" approximations of a sphere of cubic voxels. Computer simulations of spheres composed of a varying number of cubic voxels showed that the resulting error in confluency can be neglected for spheres of at least 100 voxels. The corresponding results are in
3 shown. For spheres composed of at least 100 voxels, the confluence approaches zero, that is, the value of an ideal sphere. - • Computer simulations were performed to show that the confluence according to formula (II) is indeed a useful measure of the confluence of brain lesions. Specifically, 6 spherical lesions each 10 mm in radius and a cuboid simulating the fusion of 6 spheres into a single contiguous lesion were analyzed. The results are in the
4A and4B shown. The calculated WCSS was almost zero for the pattern consisting of the 6 spherical lesions, while it was 0.74 for the cuboid (all weighting factors were set to 1). When the number of spherical lesions that collapsed into a cuboid was increased, the WCSS of the cuboid showed a continuous increase. The corresponding results are in5 to see. The figure shows that the confluence of a cuboid increases continuously with its length, ie with the number of spherical lesions from which the cuboid was assembled. The WCSS of the pattern of spherical lesions remained nearly zero regardless of the number of spherical lesions (all weighting factors were set to 1). - • In a clinical evaluation, the area under a Receiver-Operating Characteristic (ROC) curve for the differentiation between patients with a vascular cognitive decline and those without a relevant cerebrovascular disease with respect to the WCSS was 0.830. This is in
6 shown. This clearly shows that the WCSS is clinically useful.
Zweites Ausführungsbeispiel: Second embodiment:
Berechnung einer prozentualen Abschirmung durch Hyperintensitäten der weißen Substanz (SbWMH) Calculation of Percent Screening by Hyperintensities of White Substance (SbWMH)
Pathophysiologische Veränderungen im Gehirn, die durch neurodegenerative Erkrankungen wie die Alzheimer-Krankheit verursacht werden, betreffen Veränderungen der Hirnaktivität (synaptische Dysfunktion). Die Positronen-Emissions-Tomographie (PET) des Gehirns mit dem Glukose-Analogon F-18-Fluorodeoxyglucose (FDG PET) liefert Biomarker für (synaptische) Funktion und Dysfunktion, wie in den
Bei älteren Patienten wird jedoch der Nachweis von synaptischer Dysfunktion, die mit neurodegenerativer Erkrankung assoziiert ist, durch eine hohe Rate von vaskulärer Komorbidität kompliziert, beispielsweise durch Infarkte des Gehirns unterschiedlicher Größe. Dies ist in den
Es ist offensichtlich, dass es keine FDG-Aufnahme in Infarktgewebe (Narbe) gibt. Ob eine Verringerung der FDG-Aufnahme die direkte Folge eines Infarkts ist, lässt sich sehr leicht durch Koregistrierung von T1- und/oder T2-gewichteten MRTs (bei denen die meisten Infarkte deutlich sichtbar sind) mit einem FDG-PET testen. Jedoch können nicht nur Infarkte, sondern auch eine Beeinträchtigung der axonalen Verbindungen aufgrund einer Unterbrechung von Axonbahnen eine verminderte synaptische Aktivität, sowohl in den benachbarten, als auch in den entfernten grauen Substanzbereichen verursachen. It is obvious that there is no FDG uptake in infarct tissue (scar). Whether a reduction in FDG uptake is the direct result of infarction is easily assessed by coregistering T1 and / or T2-weighted MRI (most infarcts are clearly visible) with FDG PET. However, not only infarcts but also impairment of axonal connections due to disruption of axonal pathways can cause diminished synaptic activity in both the adjacent and distant gray matter areas.
Da Hyperintensitäten der weißen Substanz als spezifische Hirnläsionen zu betrachten sind, ist der neue Biomarker SbWMH eine Ausführungsform des Biomarkers SbBL (Abschirmung durch Hirnläsionen). Es ist ein Marker der Beeinträchtigung der axonalen Verbindungen in Form einer prozentualen Abschirmung der kortikalen Hirnregionen durch Hyperintensitäten der weißen Substanz. Since white matter hyperintensities are to be considered as specific brain lesions, the new biomarker SbWMH is one embodiment of the biomarker SbBL (brain lesion screening). It is a marker of impairment of axonal connections in the form of a percentage shielding of the cortical brain regions by hyperintensities of the white matter.
Eine Verarbeitungskette zur vollautomatischen Berechnung und Anzeige von SbWMH wurde als MATLAB-Skript implementiert. Für einige Verarbeitungsschritte werden Werkzeuge aus dem „Statistical Parametric Mapping“-Softwarepaket verwendet (Version SPM8). Die Verarbeitungskette umfasst die folgenden Schritte. A processing chain for the fully automatic calculation and display of SbWMH was implemented as a MATLAB script. Some processing steps use tools from the Statistical Parametric Mapping software package (SPM8 version). The processing chain includes the following steps.
Extraktion der Hyperintensitäten der weißen Substanz aus strukturellen MRT-Bildern Extraction of hyperintensities of white matter from structural MRI images
Die "Lesion Segmentation Toolbox", ein frei verfügbares Add-on zu SPM8, wird verwendet, um WMHs aus den strukturellen MRT-Bildern des Patienten zu extrahieren. Die Toolbox benötigt eine hochaufgelöste T1-gewichtete MRT und eine FLAIR-MRT als Eingangsgrößen. Die Toolbox liefert eine binäre Läsionskarte zur Abgrenzung der WMHs im nativen Raum des Patienten. The "Lesion Segmentation Toolbox", a freely available add-on to SPM8, is used to extract WMHs from the patient's structural MRI images. The toolbox requires a high-resolution T1-weighted MRI and a FLAIR MRI as input variables. The toolbox provides a binary lesion map to delineate the WMHs in the patient's native space.
Koregistrierung und räumliche Normalisierung der Läsionskarte und der FDG PET-Bilder Coregistration and spatial normalization of lesion map and FDG PET images
Eine Standard-SPM-Koregisterung wird verwendet, um die Läsionskarte mit den FDG-PET-Bildern zu registrieren. Der SPM-Normalisierungsalgorithmus dient der Umwandlung von koregistrierten Bildern in den anatomischen Raum des Montreal Neurological Institute (MNI). A standard SPM registry is used to register the lesion map with the FDG PET images. The SPM normalization algorithm is used to convert coregistered images into the anatomical space of the Montreal Neurological Institute (MNI).
Erzeugung der Hypometabolismuskarte Generation of the Hypometabolism card
Ein (homoskedastischer) t-Test für zwei unabhängige Proben wird verwendet, um das normalisierte FDG-PET des Patienten mit den normalisierten FDG-PETs einer Datenbank von altersentsprechenden gesunden Kontrollen zu vergleichen. Die globale FDG-Aufnahme wird als Referenzwert für die Intensitätsskalierung vor dem statistischen Test verwendet. Eine reduzierte skalierte FDG-Aufnahme ist definiert als "Hypometabolismus", wenn p ≤ 0,001. Dies führt zu einer parametrischen Karte des Hypometabolismus. Eine derartige Hypometabolismuskarte ist in
Voxel-weise Berechnung der SbWMH Voxel-wise calculation of SbWMH
Die SbWMH wird für jedes hypometabolische Voxel als Anteil der benachbarten Voxeln der weißen Substanz, die von WMH betroffen sind, berechnet (
Darstellung presentation
Das in SPM8 implementierte Slover-Tool wird verwendet, um die SbWMH-Karte (als Kleckse mit der Farbkarte „jet“) zusammen mit der WMH-Läsionsmaske (als Kontur) und dem FDG-PET-Bild des Patienten im MNI-Raum zu überlagern. Eine entsprechende Karte ist in
In dem in den
Die grundlegende Idee, die der prozentualen Abschirmung durch Hirnläsionen zugrunde liegt, ist in
Liste der in den vorangegangenen Abschnitten zitierten Literaturstellen List of references cited in the previous sections
-
1.
Wardlaw, J. M., et al., Neuroimaging standards for research into small vessel disease and its contribution to ageing and neurodegeneration. Lancet Neurol, 2013. 12(8): p. 822–38 Wardlaw, JM, et al., Neuroimaging standards for research into small-vessel disease and its contribution to aging and neurodegeneration. Lancet Neurol, 2013. 12 (8): p. 822-38 -
2.
Wahlund, L. O., et al., A new rating scale for age-related white matter changes applicable to MRI and CT. Stroke, 2001. 32(6): p. 1318–22 Wahlund, LO, et al., A new rating scale for age-related white matter changes applicable to MRI and CT. Stroke, 2001. 32 (6): p. 1318-22 -
3.
Schmidt, P., et al., An automated tool for detection of FLAIR-hyperintense white-matter lesions in Multiple Sclerosis. Neuroimage, 2012. 59(4): p. 3774–83 Schmidt, P., et al., An Automated Tool for Detection of FLAIR-hyperintense white-matter lesions in multiple sclerosis. Neuroimage, 2012. 59 (4): p. 3774-83 -
4.
Kapeller, P., et al., Visual rating of age-related white matter changes on magnetic resonance imaging: scale comparison, interrater agreement, and correlations with quantitative measurements. Stroke, 2003. 34(2): p. 441–5 Kapeller, P., et al., Visual rating of age-related white matter changes on magnetic resonance imaging: scale comparison, interrater agreement, and correlations with quantitative measurements. Stroke, 2003. 34 (2): p. 441-5 -
5.
Prins, N. D., et al., Measuring progression of cerebral white matter lesions on MRI: visual rating and volumetrics. Neurology, 2004. 62(9): p. 1533–9 Prins, ND, et al., Measuring progression of cerebral white matter lesions on MRI: visual rating and volumetrics. Neurology, 2004. 62 (9): p. 1533-9 -
6.
van den Heuvel, D. M., et al., Measuring longitudinal white matter changes: comparison of a visual rating scale with a volumetric measurement. AJNR Am J Neuroradiol, 2006. 27(4): p. 875–8 van den Heuvel, DM, et al., Measuring longitudinal white matter changes: comparison of a visual rating scale with a volumetric measurement. AJNR Am J Neuroradiol, 2006. 27 (4): p. 875-8 -
7.
Hernandez Mdel, C., et al., New multispectral MRI data fusion technique for white matter lesion segmentation: method and comparison with thresholding in FLAIR images. Eur Radiol, 2010. 20(7): p. 1684–91 Hernandez Mdel, C., et al., New multispectral MRI data fusion technique for white matter lesion segmentation: method and comparison with thresholding in FLAIR images. Eur Radiol, 2010. 20 (7): p. 1684-91 -
8.
Ramirez, J., et al., Lesion Explorer: a comprehensive segmentation and parcellation package to obtain regional volumetrics for subcortical hyperintensities and intracranial tissue. Neuroimage, 2011. 54(2): p. 963–73 Ramirez, J., et al., Lesion Explorer: a comprehensive segmentation and parcellation package to obtain regional volumetrics for subcortical hyperintensities and intracranial tissue. Neuroimage, 2011. 54 (2): p. 963-73 -
9.
Apostolova, I., et al., Quantitative assessment of the asphericity of pretherapeutic FDG uptake as an independent predictor of outcome in NSCLC. BMC Cancer, 2014. 14: p. 896 Apostolova, I., et al., Quantitative assessment of the asphericity of prehapeutic FDG uptake as an independent predictor of outcome in NSCLC. BMC Cancer, 2014. 14: p. 896 -
10.
Apostolova, I., et al., Asphericity of pretherapeutic tumour FDG uptake provides independent prognostic value in head-and-neck cancer. Eur Radiol, 2014. 24(9): p. 2077–87 Apostolova, I., et al., Asphericity of Pre-Therapeutic Tumor FDG uptake provides independent prognostic value in head-and-neck cancer. Eur Radiol, 2014. 24 (9): p. 2077-87 -
11.
Hofheinz, F., et al., Increased evidence for the prognostic value of primary tumor asphericity in pretherapeutic FDG PET for risk stratification in patients with head and neck cancer. Eur J Nucl Med Mol Imaging, 2014 Hofheinz, F., et al., Increased Evidence for the Predictive Value of Primary Tumor Asphericity in Pre-Therapeutic FDG PET for risk stratification in patients with head and neck cancer. Eur J Nucl Med Mol Imaging, 2014 -
12.
Kochunov, P., Ramage, A. E., Lancaster, J. L., Robin, D. A., Narayana, S., Coyle, T., Royall, D. R., Fox, P., 2009. Loss of cerebral white matter structural integrity tracks the grey matter metabolic decline in normal aging. Neuroimage 45, 17–28 Kochunov, P., Ramage, AE, Lancaster, JL, Robin, DA, Narayana, S., Coyle, T., Royall, DR, Fox, P., 2009. Loss of cerebral white matter structural integrity tracks the gray matter metabolic decline in normal aging. Neuroimage 45, 17-28 -
13.
Tullberg, M., Fletcher, E., DeCarli, C., Mungas, D., Reed, B. R., Harvey, D. J., Weiner, M. W., Chui, H. C., Jagust, W. J., 2004. White matter lesions impair frontal lobe function regardless of their location. Neurology 63, 246–253 Tullberg, M., Fletcher, E., DeCarli, C., Mungas, D., Reed, BR, Harvey, DJ, Weiner, MW, Chui, HC, Jagust, WJ, 2004. White matter lesions affect frontal lobe function regardless of their location. Neurology 63, 246-253 -
14.
Reed, B. R., Eberling, J.L., Mungas, D., Weiner, M., Kramer, J. H., Jagust, W. J., 2004. Effects of white matter lesions and lacunes on cortical function. Arch. Neurol. 61, 1545–1550 Reed, BR, Eberling, JL, Mungas, D., Weiner, M., Kramer, JH, Jagust, WJ, 2004. Effects of white matter lesions and lacunes on cortical function. Arch. Neurol. 61, 1545-1550 -
15.
Glodzik L, Kuceyeski A, Rusinek H, Tsui W, Mosconi L, Li Y, Osorio RS, Williams S, Randall C, Spector N, McHugh P, Murray J, Pirraglia E, Vallabhajosula S, Raj A, de Leon MJ. Reduced glucose uptake and Aβ in brain regions with hyperintensities in connected white matter. Neuroimage. 2014 Oct 15;100:684–91 K, Kuzyeski A, Rusinek H, Tsui W, Mosconi L, Li Y, Osorio RS, Williams S, Randall C, Spector N, McHugh P, Murray J, Pirraglia E, Vallabhajosula S, Raj A, de Leon MJ. Reduced glucose uptake and Aβ in brain regions with hyperintensities in connected white matter. Neuro Image. 2014 Oct 15; 100: 684-91
ZITATE ENTHALTEN IN DER BESCHREIBUNG QUOTES INCLUDE IN THE DESCRIPTION
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.This list of the documents listed by the applicant has been generated automatically and is included solely for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.
Zitierte PatentliteraturCited patent literature
- US 6366797 B1 [0014] US 6366797 B1 [0014]
- US 7995825 B2 [0015] US 7995825 B2 [0015]
- US 2003/0088177 A1 [0016] US 2003/0088177 A1 [0016]
- US 8112144 B2 [0017] US 8112144 B2 [0017]
- US 8423118 B2 [0018] US 8423118 B2 [0018]
Zitierte Nicht-PatentliteraturCited non-patent literature
- Kochunov et al (2009) [0019] Kochunov et al (2009) [0019]
- Tullberg et al. (2004) [0019] Tullberg et al. (2004) [0019]
- Reed et al. (2004) [0019] Reed et al. (2004) [0019]
- Glodzik et al. (2014) [0019] Glodzik et al. (2014) [0019]
- Schmidt et al. [0116] Schmidt et al. [0116]
- "Statistical Parametric Mapping“ (Version SPM8, http://www.fil.ion.ucl.ac.uk/spm/) [0117] "Statistical Parametric Mapping" (Version SPM8, http://www.fil.ion.ucl.ac.uk/spm/) [0117]
Claims (15)
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102015221877.5A DE102015221877A1 (en) | 2015-11-06 | 2015-11-06 | Image-based biomarker for characterizing the structure or function of human or animal brain tissue and related uses and methods |
US15/344,553 US10638995B2 (en) | 2015-11-06 | 2016-11-06 | Imaging-based biomarker for characterizing the structure or function of human or animal brain tissue and related uses and methods |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102015221877.5A DE102015221877A1 (en) | 2015-11-06 | 2015-11-06 | Image-based biomarker for characterizing the structure or function of human or animal brain tissue and related uses and methods |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102015221877A1 true DE102015221877A1 (en) | 2017-05-11 |
Family
ID=58584566
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102015221877.5A Pending DE102015221877A1 (en) | 2015-11-06 | 2015-11-06 | Image-based biomarker for characterizing the structure or function of human or animal brain tissue and related uses and methods |
Country Status (2)
Country | Link |
---|---|
US (1) | US10638995B2 (en) |
DE (1) | DE102015221877A1 (en) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3437559A1 (en) * | 2017-08-03 | 2019-02-06 | Siemens Healthcare GmbH | Determination of a functional parameter relating to a local tissue function for multiple tissue areas |
EP3269301A4 (en) * | 2015-03-12 | 2020-02-19 | The Asan Foundation | Method for estimating time of occurrence of infarct on basis of brain image |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3684463A4 (en) | 2017-09-19 | 2021-06-23 | Neuroenhancement Lab, LLC | Method and apparatus for neuroenhancement |
US11717686B2 (en) | 2017-12-04 | 2023-08-08 | Neuroenhancement Lab, LLC | Method and apparatus for neuroenhancement to facilitate learning and performance |
US11318277B2 (en) | 2017-12-31 | 2022-05-03 | Neuroenhancement Lab, LLC | Method and apparatus for neuroenhancement to enhance emotional response |
US11364361B2 (en) | 2018-04-20 | 2022-06-21 | Neuroenhancement Lab, LLC | System and method for inducing sleep by transplanting mental states |
US11375984B2 (en) | 2018-08-31 | 2022-07-05 | Seno Medical Instruments, Inc. | Method and system for managing feature reading and scoring in ultrasound and/or optoacoustic images |
US11246527B2 (en) * | 2018-08-31 | 2022-02-15 | Seno Medical Instruments, Inc. | Method and system for managing feature reading and scoring in ultrasound and/or optoacoustice images |
CA3112564A1 (en) | 2018-09-14 | 2020-03-19 | Neuroenhancement Lab, LLC | System and method of improving sleep |
US11272843B2 (en) * | 2019-01-23 | 2022-03-15 | Siemens Healthcare Gmbh | Automatic identification of subjects at risk of multiple sclerosis |
WO2020257482A1 (en) * | 2019-06-19 | 2020-12-24 | Seno Medical Instruments, Inc. | Method and system for managing feature reading and scoring in ultrasound and/or optoacoustice images |
KR20220075119A (en) * | 2020-11-27 | 2022-06-07 | 주식회사 뷰노 | Method for detecting white matter lesions based on medical image |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6366797B1 (en) | 1998-08-25 | 2002-04-02 | The Cleveland Clinic Foundation | Method and system for brain volume analysis |
US20030088177A1 (en) | 2001-09-05 | 2003-05-08 | Virtualscopics, Llc | System and method for quantitative assessment of neurological diseases and the change over time of neurological diseases |
US7995825B2 (en) | 2001-04-05 | 2011-08-09 | Mayo Foundation For Medical Education | Histogram segmentation of FLAIR images |
US8112144B2 (en) | 2006-03-30 | 2012-02-07 | National University Corporation Shizuoka University | Apparatus for determining brain atrophy, method of determining brain atrophy and program for determining brain atrophy |
US8423118B2 (en) | 2007-06-21 | 2013-04-16 | Koninklijke Philips Electronics N.V. | Model-based differential diagnosis of dementia and interactive setting of level of significance |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2763721B1 (en) * | 1997-05-21 | 1999-08-06 | Inst Nat Rech Inf Automat | ELECTRONIC IMAGE PROCESSING DEVICE FOR DETECTING DIMENSIONAL VARIATIONS |
-
2015
- 2015-11-06 DE DE102015221877.5A patent/DE102015221877A1/en active Pending
-
2016
- 2016-11-06 US US15/344,553 patent/US10638995B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6366797B1 (en) | 1998-08-25 | 2002-04-02 | The Cleveland Clinic Foundation | Method and system for brain volume analysis |
US7995825B2 (en) | 2001-04-05 | 2011-08-09 | Mayo Foundation For Medical Education | Histogram segmentation of FLAIR images |
US20030088177A1 (en) | 2001-09-05 | 2003-05-08 | Virtualscopics, Llc | System and method for quantitative assessment of neurological diseases and the change over time of neurological diseases |
US8112144B2 (en) | 2006-03-30 | 2012-02-07 | National University Corporation Shizuoka University | Apparatus for determining brain atrophy, method of determining brain atrophy and program for determining brain atrophy |
US8423118B2 (en) | 2007-06-21 | 2013-04-16 | Koninklijke Philips Electronics N.V. | Model-based differential diagnosis of dementia and interactive setting of level of significance |
Non-Patent Citations (21)
Title |
---|
"Statistical Parametric Mapping" (Version SPM8, http://www.fil.ion.ucl.ac.uk/spm/) |
Apostolova, I., et al., Asphericity of pretherapeutic tumour FDG uptake provides independent prognostic value in head-and-neck cancer. Eur Radiol, 2014. 24(9): p. 2077–87 |
Apostolova, I., et al., Quantitative assessment of the asphericity of pretherapeutic FDG uptake as an independent predictor of outcome in NSCLC. BMC Cancer, 2014. 14: p. 896 |
Glodzik et al. (2014) |
Glodzik L, Kuceyeski A, Rusinek H, Tsui W, Mosconi L, Li Y, Osorio RS, Williams S, Randall C, Spector N, McHugh P, Murray J, Pirraglia E, Vallabhajosula S, Raj A, de Leon MJ. Reduced glucose uptake and Aβ in brain regions with hyperintensities in connected white matter. Neuroimage. 2014 Oct 15;100:684–91 |
Hernandez Mdel, C., et al., New multispectral MRI data fusion technique for white matter lesion segmentation: method and comparison with thresholding in FLAIR images. Eur Radiol, 2010. 20(7): p. 1684–91 |
Hofheinz, F., et al., Increased evidence for the prognostic value of primary tumor asphericity in pretherapeutic FDG PET for risk stratification in patients with head and neck cancer. Eur J Nucl Med Mol Imaging, 2014 |
Kapeller, P., et al., Visual rating of age-related white matter changes on magnetic resonance imaging: scale comparison, interrater agreement, and correlations with quantitative measurements. Stroke, 2003. 34(2): p. 441–5 |
Kochunov et al (2009) |
Kochunov, P., Ramage, A. E., Lancaster, J. L., Robin, D. A., Narayana, S., Coyle, T., Royall, D. R., Fox, P., 2009. Loss of cerebral white matter structural integrity tracks the grey matter metabolic decline in normal aging. Neuroimage 45, 17–28 |
Prins, N. D., et al., Measuring progression of cerebral white matter lesions on MRI: visual rating and volumetrics. Neurology, 2004. 62(9): p. 1533–9 |
Ramirez, J., et al., Lesion Explorer: a comprehensive segmentation and parcellation package to obtain regional volumetrics for subcortical hyperintensities and intracranial tissue. Neuroimage, 2011. 54(2): p. 963–73 |
Reed et al. (2004) |
Reed, B. R., Eberling, J.L., Mungas, D., Weiner, M., Kramer, J. H., Jagust, W. J., 2004. Effects of white matter lesions and lacunes on cortical function. Arch. Neurol. 61, 1545–1550 |
Schmidt et al. |
Schmidt, P., et al., An automated tool for detection of FLAIR-hyperintense white-matter lesions in Multiple Sclerosis. Neuroimage, 2012. 59(4): p. 3774–83 |
Tullberg et al. (2004) |
Tullberg, M., Fletcher, E., DeCarli, C., Mungas, D., Reed, B. R., Harvey, D. J., Weiner, M. W., Chui, H. C., Jagust, W. J., 2004. White matter lesions impair frontal lobe function regardless of their location. Neurology 63, 246–253 |
van den Heuvel, D. M., et al., Measuring longitudinal white matter changes: comparison of a visual rating scale with a volumetric measurement. AJNR Am J Neuroradiol, 2006. 27(4): p. 875–8 |
Wahlund, L. O., et al., A new rating scale for age-related white matter changes applicable to MRI and CT. Stroke, 2001. 32(6): p. 1318–22 |
Wardlaw, J. M., et al., Neuroimaging standards for research into small vessel disease and its contribution to ageing and neurodegeneration. Lancet Neurol, 2013. 12(8): p. 822–38 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3269301A4 (en) * | 2015-03-12 | 2020-02-19 | The Asan Foundation | Method for estimating time of occurrence of infarct on basis of brain image |
EP3437559A1 (en) * | 2017-08-03 | 2019-02-06 | Siemens Healthcare GmbH | Determination of a functional parameter relating to a local tissue function for multiple tissue areas |
US10959685B2 (en) | 2017-08-03 | 2021-03-30 | Siemens Healthcare Gmbh | Ascertaining a function parameter relating to a local tissue function for plurality of tissue regions |
Also Published As
Publication number | Publication date |
---|---|
US10638995B2 (en) | 2020-05-05 |
US20170128032A1 (en) | 2017-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102015221877A1 (en) | Image-based biomarker for characterizing the structure or function of human or animal brain tissue and related uses and methods | |
Sage et al. | Quantitative diffusion tensor imaging in amyotrophic lateral sclerosis | |
Karas et al. | A comprehensive study of gray matter loss in patients with Alzheimer’s disease using optimized voxel-based morphometry | |
US8280482B2 (en) | Method and apparatus for evaluating regional changes in three-dimensional tomographic images | |
JP4025823B2 (en) | Diagnosis support method and apparatus for brain disease | |
TWI542328B (en) | Method for detecting and quantifying cerebral infarct | |
Bhaganagarapu et al. | An automated method for identifying artifact in independent component analysis of resting-state fMRI | |
DE102009025856A1 (en) | Processing and visualization technology of medical data | |
Bigler | Structural image analysis of the brain in neuropsychology using magnetic resonance imaging (MRI) techniques | |
DE102011053044A1 (en) | System and method for analyzing and visualizing local clinical features | |
DE102009053471A1 (en) | Method and device for identifying and assigning coronary calculus to a coronary vessel and computer program product | |
DE102008002912A1 (en) | Device and method for identifying occlusions | |
EP3287914A1 (en) | Determination of outcome data based on medical test data from different measurements | |
DE102018214325A1 (en) | Method and provision unit for the provision of a virtual tomographic stroke follow-up examination image | |
DE102012208625B4 (en) | Method and system for processing MRI data of the human brain | |
Wilde et al. | A primer of neuroimaging analysis in neurorehabilitation outcome research | |
Kruggel et al. | Texture-based segmentation of diffuse lesions of the brain’s white matter | |
DE102019210473A1 (en) | Method and device for imaging in computed tomography | |
Abdulkadir et al. | Reduction of confounding effects with voxel-wise Gaussian process regression in structural MRI | |
DE102016209885B4 (en) | Automatic characterization of liver tissue | |
EP3451286A1 (en) | Method for segmenting an organ structure of an object under investigation in medical image data | |
Kelley et al. | Age-related differences in white matter: comparing fixel based and tensor based analyses | |
DE102013206644B4 (en) | Method and system for processing MRI data of the human brain | |
Simozo et al. | Brain Tissue Classification to Detect Focal Cortical Dysplasia in Magnetic Resonance Imaging | |
Liedlgruber et al. | Lateralisation matters: discrimination of TLE and MCI based on SPHARM description of hippocampal shape |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R082 | Change of representative |
Representative=s name: MAIKOWSKI & NINNEMANN PATENTANWAELTE PARTNERSC, DE |
|
R012 | Request for examination validly filed | ||
R016 | Response to examination communication |